能源是一个国家经济和社会发展的根基,随着社会的进步、国家经济的飞速发展,我国的能源需求量呈稳步上升态势,然而化石能源正面临着逐年枯竭的危机,与此同时我国将可持续发展纳入经济发展目标,在追求经济快速发展的同时重视环境保护,因此大力发展可再生能源、提高可再生能源利用率成为发展经济的关键。风能作为我国储量较多、分布较广且成本较低的可再生能源得到了广泛的应用。我国不仅在全球风电总装机量占比中位居一位,同时也是全球风电装机容量增长最迅速的国家。然而随着风电并网规模的逐渐增大,风电在带来优势的同时也使电力系统运行面临着全新的挑战,风能作为不可控的自然资源,具有波动性、随机性、反调峰性等固有特性,电力系统调度操作可能因此作出弃风的决定,造成了清洁能源的浪费。因此建立新的更为准确的含大规模风电电力系统经济调度模型,在维持电力系统安全稳定运行、促进可再生能源消纳、提高电力系统运行的经济性等方面具有重要意义。风电功率预测是含大规模风电电力系统调度的基础,首先通过对影响风电功率预测的因素进行分析后,确定风电功率预测的输入数据并对其进行预处理,利用万有引力搜索算法优化后的BP神经网络对风电功率进行点预测。考虑风电出力的不确定性,在实际操作中仅给出风电功率的点预测值往往不能满足需求,在万有引力算法优化后的BP神经网络得出的风电功率点预测的基础上,对预测误差进行非参数估计,得到风电功率区间预测。进一步建立含大规模风电的电力系统动态经济调度模型,经济调度模型为火电成本和风电成本最小和,其中火电成本包含考虑阀点效应的火电机组基础运行成本以及火电机组造成的环境污染处理成本;风电成本为风电运营成本及基于风电功率区间预测的弃风惩罚成本。考虑到粒子群算法容易陷入局部最优解的缺陷,对其权重系数进行动态更新,并利用模拟退火思想对更新权重系数后的粒子群算法进行优化,利用优化后的粒子群算法对所建立的电力系统动态经济调度模型进行求解。本文搭建了含风电场的IEEE39节点系统,并通过MATLAB仿真验证了模型的优越性和算法的可行性,分析对比了各种因素对电力系统经济调度的影响,为大规模风电并网的电力系统经济调度提供了理论基础和现实参考意义。